基于ARIMA模型和神经网络模型股票价格预测.docVIP

基于ARIMA模型和神经网络模型股票价格预测 　　摘要：本文将分别利用时间序列的ARIMA模型和神经网络，对国内零售业“航母”――百联集团旗下的友谊股份（600827.SH）和上海物贸（600822.SH）股票的价格进行预测，并将这两种预测方法进行对比，选择最优的方法进行预测。最后发现ARIMA模型和神经网络的模型预测效果都很好，但是神经网络相对更好。 　　关键词：ARIMA；神经网络；股票预测 　　随着我国市场经济逐渐发展和成熟，市场化程度的提高使市场运作机制不断完善，股票的价格的非理性震荡也在大幅度减少，更加能反映股票本身所代表的价值。而随着人们生活水平的提高，投资和理财也成了一件必不可少的事情，股票作为最常见最广泛的投资方式，受到越来越多投资者的关注，股票的高风险同时意味着潜在的高回报率，而在这个投资中，如果投资者能相对比较准确地预测股票的价格，在正确的时间选择正确的股票，无疑可以获得丰厚的收益。故股票预测一直是投资分析中的热点话题。股票预测方法也在随着分析技术的更新而不断改进，从传统的移动平均、回归预测、道氏分析法、柱状图分析法等，到如今的神经网络、关联分析等数据挖掘的技术，能处理的数据量和考虑到的分析难点也越来越多。在这个“大数据”时代，数据量爆炸，传统分析方法的分析能力远不及基于更先进的计算机技术的分析方法（如数据挖掘技术），大量的数据分析才可以获得更加稳健的预测结果。 　　一般来说，股票的分析方法可以分为两种：基本分析和技术分析，经济统计学分析。基本分析在长期投资的应用上非常广泛，主要通过整个宏观环境、市场供求等进行分析，结合公司的运营情况，试图通过分析股票的实际价值走向。技术分析比较适合短期投资，主要是根据股市的行情变化进行的分析，利用大盘以及个股的变化，通过经验以及历史数据等，利用股票的技术指标，探讨股市投资的走势。基本分析和技术分析常用的方法有K线理论，移动平均，技术指标分析等，这些方法相对简单并且易于理解，但是在选取指标以及设置权重等过程中，往往主观性较强，不同人的分析结果会很不一样，甚至完全相反。所以基本分析和技术分析相对不稳定。经济统计学分析室利用一套系统的分析方法进行建模，通过模型的结果进行股票预测。比较常用的是时间序列分析。传统的时间序列分析是由Norbor Wiener和Andrei Kolmogomor（1940）提出，后来的学者逐步完善的。其基本的思想是利用时间序列数据存在自相关性，通过历史数据来预测未来的数据。随着计算机技术的发展，大数据的时代来临，股票分析对数据处理能力要求也越来越高，统计计算在这种环境下，开始慢慢应用到经济分析中来。数据挖掘的概念在股票预测中也越来越重要。股票价格的时间序列可以看出是含有白噪声的时间序列，所以可以通过时间序列模型对其进行预测。而随着数据挖掘技术的发展，神经网络的分析预测方法在股票价格预测的应用也越来越广泛。其优点在于神经网络的非线性映射能力和自适应能力。 　　百联集团是国内的零售业的巨头，是由原上海市第一百货集团、华联集团、友谊集团、物资集团合并重组的大型国有商贸流通产业集团，成立于2003年4月，注册资本10亿元，现有资本300亿，2012年的营业收入仅次于苏宁云商，居位零售业第二，百联集团旗下设有四家上市公司，分别是联华超市（00980.HK）、上海物贸（600822.SH）、第一医药（600833.SH）以及友谊股份（600827.SH） ，原百联股份在2011年退市，并与友谊股份重组。百联集团自成立以来，一直受到广泛的关注，高层更换频率高，资产规模大但是利润率低等诸多问题困扰着这个大型企业。一方面，百联资产规模巨大，在零售业的影响力不容小视，另一方面，由于这些潜在的改革因素以及百联自身的管理问题等，百联的发展时刻在接受考验，百联旗下公司的股票价格的变动也会非常频繁，相对准确地对这类发展存在不稳定因素的企业进行股票预测是非常具有现实意义的。 　　本文将分别利用时间序列的ARIMA模型和神经网络，对国内零售业“航母”百联集团旗下的友谊股份（600827.SH）和上海物贸（600822.SH）股票的价格进行预测，并将这两种预测方法进行对比，选择最优的方法进行预测。 　　1.模型介绍 　　1.1ARIMA模型 　　时间序列模型可以分为AR 模型( Autoregressive model) 和 MA 模型( Moving Average Model ) ，ARMA模型（Autoregressive moving average model）和ARIMA模型（Autoregressive Integrated Moving Average Model ）。ARIMA(p, d, q)中，q为移动平均项数，d为时间序列成为平稳时所做的差分